策展精選

MoonshotAI開源FlashKDA，高性能Kimi Delta Attention核心實現，在H20上比flash-linear-attention基準快1.72×–2.22×。 MoonshotAI推出FlashKDA，這是基...

如何將 Claude Code 的成本降低 3 倍（運用 Karpathy 的 context engineering 原則） 這是一份完整的分析，說明一個開源工具如何在不更動 CLAUDE.md、Prompt 或模型的情況下，將你的...

GPT-Image-2橫掃「Image Arena」所有榜首，創下空前領先優勢。 「Arena.ai」公布最新「Image Arena」排行，OpenAI的「GPT-Image-2」以壓倒性優勢奪得所有影像生成類別第一，領先幅度創歷史...

LLMs委託編輯文件時會腐敗內容。 新論文「LLMs Corrupt Your Documents When You Delegate」透過DELEGATE-52基準測試，模擬52個專業領域的長時程委託工作，揭示即使頂尖LLMs如Ge...

Cloudflare 新網站僅驗證 Markdown 回傳，基礎不夠完善。 Cloudflare 推出的新網站作為基準，僅檢查 API 是否回傳 Markdown 格式，但未涵蓋完整標準驗證。相較之下，「acceptmarkdown....

Kimi K2.6開源模型在程式碼基準領先，強化長視野編碼與Agent叢集。 Kimi K2.6是Moonshot AI最新開源模型，在多項程式碼基準達到SOTA成績，如HLE w/ tools (54.0)、SWE-Bench P...

Claude Opus 4.7 在「Document Arena」與「Vision Arena」奪冠，領先幅度驚人。 「Arena.ai」公布最新排行，AnthropicAI 的「Claude Opus 4.7」在「Document ...

Simon Willison升級「Claude Token Counter」工具，揭露Claude Opus 4.7 tokenizer變化導致token數暴增，實際成本大幅上漲。 Simon Willison於2026年4月20日發...

我們是如何打造高 token 效率的記憶演算法 全新的 @mem0ai 記憶演算法在 LoCoMo、LongMemEval 和 BEAM 測試中達到了極具競爭力的準確度，且每個查詢使用的 token 數不到 7,000 個（約減少了 ...

EvoForge：擴展演化式 Harness 優化 為什麼只優化一個 harness，而不試著同時優化多個呢？這就是 EvoForge：一個演化式 harness 優化器。 在 TerminalBench 2.0 測試中...

DDTree透過單次區塊擴散前向傳遞建構草稿樹，提升推測解碼加速比。 DDTree（Diffusion Draft Tree）是一種新型推測解碼方法，從單次區塊擴散前向傳遞產生每個位置的token分佈，直接建構草稿樹，並以樹狀注意力在...

R-Zero實現零外部資料自進化LLM推理能力大幅躍升。 「R-Zero」是ICLR 2026論文提出的全自主框架，從單一基礎LLM出發，透過「Challenger」與「Solver」兩個角色互動共進化，生成自身訓練資料並克服人類資料...